如果一家公司派：
100 個工程師
替你做一年專案，
以前最自然的收費方式是：
100 個人 × 做了多少時間。
人愈多。
工期愈長。
合約愈大。
這就是印度 IT 外包產業過去幾十年非常重要的商業模式。
但 AI 現在開始問一個很麻煩的問題：
如果原本 10 個人做的事情，5 個人加 AI 就能完成，你為什麼還要付 10 個人的錢？
這可能比：
「AI 會不會取代工程師？」
更直接改變整個產業。
Reuters 今天針對印度 IT 服務業的調查顯示，
TCS、
Infosys、
Wipro、
HCLTech、
Cognizant
這些全球大型 IT 外包公司，
都正在面對同一個壓力：
客戶不要再聽你說投入多少人、做多少小時。
客戶開始問：
結果呢？
印度 IT 外包業有多大？
這不是一個小市場。
印度 IT 產業每年營收大約：
3,150 億美元。
過去最成功的能力之一，
就是培養大量工程師，
再替全球企業處理：
軟體開發。
維運。
客服。
財務後台。
人資系統。
雲端管理。
企業 IT。
以前一家供應商如果能說：
「我有幾十萬名工程師。」
本身就是競爭優勢。
因為大型客戶如果突然需要：
5,000 人。
10,000 人。
只有大型公司調得出來。
但是 AI 正在削弱：
人多
這件事本身的價值。
TCS 有一個數字非常值得看：80%
Reuters 引述 TCS 執行長 K Krithivasan 表示，
目前 TCS 在：
財務、
人資
以及其他 Business Services 業務中，
大約：
80% 的合約
已經採取：
Outcome-based
成果型衡量。
也就是說，
客戶愈來愈不是根據：
你用了幾個人。
做了多少小時。
來決定價值。
而是根據：
最後達成什麼結果。
什麼叫 Outcome-based？
舉一個最簡單的例子。
以前：
企業把客服後台外包給 IT 公司。
可能約定：
50 名員工。
每月多少工時。
多少費用。
現在客戶可能改成問：
我要的是：
平均處理時間降低多少？
多少工作成功自動化？
成本下降多少？
錯誤率有沒有降低？
使用者滿意度有沒有提升？
換句話說：
以前賣的是：
人。
現在要賣的是：
結果。
AI 為什麼會把這件事逼出來？
假設以前做一個系統需要：
20 位工程師。
每個月工作：
160 小時。
供應商可以根據：
人數 × 時間
建立報價。
現在用了：
Coding Agent。
自動測試。
AI 文件整理。
AI 客服。
自動化工作流。
最後只需要：
12 個人。
問題來了。
供應商會很高興。
因為：
效率變高了。
但是客戶也會立刻問：
那為什麼我的帳單沒有變低？
這就是 AI 生產力開始真正進入商業合約後，
一定會出現的問題。
有客戶現在直接要求便宜 25%～30%
Persistent Systems CEO Sandeep Kalra 告訴 Reuters，
有客戶現在要求：
同樣的工作便宜 25%～30%。
而且還不是：
價格下降，服務跟著下降。
客戶同時要求：
更快。
更有效率。
也就是：
More for Less。
同樣結果。
甚至更好結果。
但價格必須更低。
這就是 AI 生產力最殘酷的一面
大家以前一直問：
AI 如果讓員工：
快 30%。
快 50%。
到底誰得到這個好處？
現在開始看到答案了。
有一部分會被：
客戶拿走。
假設原本一個專案：
一年收 1,000 萬美元。
AI 讓供應商成本下降 30%。
供應商當然希望：
還是收 1,000 萬。
自己多賺。
但客戶會說：
既然你現在成本降低，
明年：
700 萬可不可以？
這就是市場競爭。
AI 不只提高：
生產力。
它也可能讓：
生產力提升本身迅速變成降價壓力。
所以「用了 AI」不一定代表服務公司利潤變高
這是一個很重要的誤解。
公司用了 AI。
員工做得更快。
第一反應很容易是：
成本下降。
利潤增加。
但是如果所有競爭者也都用了 AI，
市場很快會變成：
你便宜 10%。
我便宜 15%。
另一家便宜 25%。
最後 AI 省下來的成本，
可能大部分透過競爭：
轉給客戶。
這就是成熟市場最常發生的事情。
更大的問題是：以前最大的優勢「人很多」正在變弱
過去 TCS、
Infosys、
Wipro
這些大型公司最強的地方之一，
就是：
規模。
全球有大量工程師。
大客戶需要幾千個人，
小公司根本接不了。
但是當 AI 能把很多工作自動化後，
需要的人數下降。
中型公司突然也有機會說：
我不需要 10,000 名工程師。
我只需要：
更強的 500 人，
再加 AI。
這就是為什麼 Reuters 這次特別指出：
中型 IT 公司開始搶到更多業務。
Persistent 和 Coforge 的成長甚至比大型公司快
Persistent Systems 和 Coforge，
目前以美元計算的營收，
都已經連續至少：
8 個季度
維持雙位數成長。
最近一季：
Persistent 營收增加：
16%。
Coforge 更增加：
約 三分之一。
相較之下，
TCS、
Infosys、
Wipro、
HCLTech
成長大約只有：
1%～3%。
這不能單純說：
「小公司已經打敗大公司。」
但它至少透露一個趨勢：
AI 正在降低規模本身帶來的部分優勢。
為什麼小公司反而可能變得更有競爭力？
因為以前大型專案需要：
大量初階人員。
大量管理層。
大量協調。
現在 AI 可以先處理：
基本 Coding。
文件。
測試。
搜尋。
資料整理。
重複性維運。
那客戶真正願意付高價的部分，
可能愈來愈集中在：
架構。
產業知識。
問題定義。
客戶溝通。
高階工程能力。
真正落地。
這些工作不一定需要：
幾十萬名員工。
Reuters 報導裡有一句話非常直接
前 Infosys CFO V. Balakrishnan 的判斷是：
過去印度 IT 業常見的：
Pyramid Model
正在消失。
什麼叫金字塔模型？
上面少量：
高階顧問。
架構師。
經理。
下面大量：
年輕工程師。
初階 Coding 人員。
靠大量基層人力把工作完成。
但 Coding Agent 如果可以完成很多基本工作，
底下這一層：
就不需要像以前那麼大。
這不代表初階工程師全部消失
這裡不能寫太快。
AI 能 Coding，
不代表：
所有 Coding 工作消失。
真正可能改變的是：
企業願不願意繼續為大量低階、重複工作支付以前的價格。
這跟：
「工程師全部沒工作」
是完全不同的兩件事。
未來反而可能更需要：
懂 AI 工具。
能驗證 AI。
能整合系統。
懂企業流程。
能直接和客戶一起解問題
的工程師。
改變的是：
價值往哪裡移。
合約也開始變短
這是另一個很重要的變化。
Reuters 報導指出，
因為 AI 變化太快，
企業現在也更不願意簽：
非常長期、
條件固定
的 IT 外包合約。
原因很容易理解。
今天一項工作需要：
100 人。
兩年後如果 AI 只需要：
40 人。
結果你卻簽了一份：
5 年合約，
照 100 人的成本付費。
客戶一定不想承擔這種風險。
所以：
AI 技術進步速度
開始直接影響：
商業合約長度。
最有意思的甚至是「一起分 AI 省下來的錢」
Cognizant 和 Daimler Truck 有一個 AI 與自動化合作，
Reuters 引述知情人士表示，
其中的設計包含：
如果 AI 帶來成本節省，
供應商和客戶：
分享這些節省。
這就是完全不同的商業模式。
不是：
我派多少人給你。
而是：
我真的幫你省多少錢，我們一起分。
這很像顧問業未來可能出現的變化
以前顧問說：
這個案子需要：
500 小時。
一小時 5,000 元。
總價：
250 萬。
但如果 AI 讓顧問：
100 小時就做完，
客戶很自然會問：
你還要收：
250 萬嗎？
所以顧問業接下來會被迫回答：
我賣的是時間，還是價值？
如果你真正替公司：
一年省 2,000 萬，
也許工作只花：
100 小時。
但服務仍然可能值：
200 萬。
這就是：
Value-based Pricing。
價值定價。
所以 AI 很可能把服務業分成兩種公司
第一種：繼續賣工時
告訴客戶：
我們有多少人。
做多少小時。
這種公司最大的問題是：
AI 愈快，
自己的收費基礎反而愈薄弱。
第二種：賣結果
例如：
幫你降低多少成本。
提高多少轉換。
縮短多少處理時間。
減少多少錯誤。
完成什麼商業目標。
這種公司才能真正把：
AI 生產力
變成：
競爭優勢。
但 Outcome-based 也不是免費午餐
看起來很合理：
完成才收錢。
但供應商也會承擔更多風險。
因為結果可能受到：
客戶資料品質。
內部流程。
市場狀況。
其他供應商。
政策。
員工配合程度
影響。
有些根本不是 IT 公司能控制的。
所以成果型合約真正困難的是：
誰負責什麼結果？
有公司甚至已經覺得競爭者開價太瘋狂
Tech Mahindra CEO Mohit Joshi 表示，
有競爭者現在甚至把未來：
5～7 年
的 AI 生產力提升估到：
70%～80%。
然後根據這個假設：
提前保證價格。
Tech Mahindra 認為，
這種做法風險太高，
因此選擇不跟。
這裡有一個非常重要的問題：
如果 AI 未來沒有你預期的那麼快呢？
你已經把價格降了。
合約也簽了。
但實際成本沒有降那麼多。
最後：
供應商自己吸收。
所以 AI 也可能製造另一種「價格戰」
大家都相信：
未來 AI 一定更強。
成本一定更低。
於是今天先用：
未來還沒發生的效率
來報價。
如果預測正確：
很好。
如果錯：
合約可能變成：
賠錢做。
Infosys 已經表示，
有些不再具有經濟合理性的合約，
公司選擇：
不接。
這是一個非常值得注意的訊號。
AI 商業化真正的大考可能不是「能不能省時間」
而是：
省下的時間最後值多少錢？
假設 AI 幫一家公司：
一年少用 50 個人。
這是生產力。
但商業問題還沒有回答。
省下來的價值：
全部留給服務公司？
全部降價給客戶？
雙方分享？
轉成更快交付？
還是拿來做更多工作？
這才是接下來真正會決定：
AI 如何重新分配企業利潤
的地方。
對一人公司和小型顧問，這件事反而特別重要
不要以為這只是：
TCS、
Infosys
的問題。
如果你自己做：
網站。
SEO。
行銷。
設計。
程式。
顧問。
文案。
AI 自動化。
你也會碰到同樣問題。
以前一份工作花：
10 小時。
現在 AI 幫你縮到：
3 小時。
你有三種選擇。
第一種
價格跟著工時一起降。
第二種
價格不變，
你得到更高利潤。
第三種
不再用「幾小時」報價，
而是根據：
最後替客戶解決什麼問題
決定價格。
第三種，
可能就是 AI 時代真正更值得思考的方向。
但你必須能證明「結果」
如果從 Hour-based 走到 Outcome-based，
最大的改變就是：
不能再只說：
「我很努力。」
你要開始記錄：
以前花多久？
現在花多久？
錯誤減少多少？
收入增加多少？
客戶少做什麼？
哪些成果真的被使用？
因為沒有 Measurement，
Outcome-based 最後只是：
另一種模糊報價。
所以 AI 對服務公司的真正要求反而更高
以前：
做完 100 小時，
可以證明：
我工作了。
未來：
工作 20 小時，
卻要證明：
我創造了什麼。
這代表：
服務業可能愈來愈需要懂：
KPI。
ROI。
Baseline。
Before／After。
實際成果追蹤。
AI 讓執行變快。
反而讓：
成果證明
變得更重要。
印度 IT 外包只是第一個特別明顯的大產業
因為這個產業過去高度依賴：
大量人力。
工時計價。
規模。
所以 AI 衝擊最容易先被看見。
但同樣問題最後可能來到：
顧問。
會計。
法律服務。
設計。
行銷。
軟體外包。
內容製作。
甚至各種：
專業服務。
因為只要 AI 可以讓同樣工作：
更快完成，
客戶就一定會開始問：
為什麼我還要按以前的時間付錢？
今天真正值得記住的，不是「印度工程師要失業」
這樣看太簡單。
真正的大變化是：
AI 正在破壞「時間＝價值」這條老公式。
以前一個工作做：
100 小時，
大家容易覺得比：
10 小時
更值錢。
但如果 AI 讓高手 10 小時就得到更好的結果，
那 100 小時本身，
反而可能代表：
效率較差。
所以 AI 時代，
服務業真正要開始賣的，
可能不再是：
我做了多久。
而是：
我替你完成了什麼。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
AI 商業案例｜2026/07/27：一人顧問怎麼用 AI 使用回顧？從工時盤點、服務調整到報價依據，找出真正賺錢的工作
